بر اساس داده‌های مورگان استنلی که Futu به آن استناد کرده است، مدل‌های با وزن باز در عرض یک سال به ۷۲٪ سهم بازار رسیده‌اند. همین گزارش اشاره می‌کند که DeepSeek V4.1-Flash-1017 با جهش ۸۰۱ درصدی حجم token در صدر رتبه‌بندی هفتگی مصرف قرار گرفته و OpenAI نیز GPT-6.1 Terra را با تمرکز بر بارهای کاری سریع‌تر عامل عرضه کرده است. در مجموع، این ارقام بازاری برای تأمین مدل را توصیف می‌کنند که دیگر به‌طور پیش‌فرض تک‌فروشنده نیست.
در کنار داده‌های مدل، Cadence از Maestro رونمایی کرد؛ مجموعه‌ای از مدل‌های فاین‌تیون‌شده برای عامل‌های تخصصی طراحی تراشه که دسترسی مشتریان منتخب به آن در سۀ ۲۰۲۶ (Q4 2026) فراهم می‌شود. الگو حوزه‌محور است: یک مدل پایه عمومی، سپس یک فاین‌تیون مقید به یک گردش‌کار مهندسی باریک، و بعد داربست عامل پیرامون آن. برای ناوگان‌های عامل، این تغییر چارچوب هزینه، latency و اقامت داده را رقم می‌زند، زیرا مدل به پارامتری از استقرار تبدیل می‌شود نه وابستگی‌ای ثابت.
برای تیم‌هایی که عامل‌های تخصصی می‌سازند، پرسش عملی evaluation است، نه حجم اعلان‌ها. هر مدل نامزد پیش از جایگزینی باید با همان مجموعه وظایف، همان ردهای tool call و همان طبقه‌بندی خطا سنجیده شود. این استودیو تأمین مدل را تصمیمی در استقرار با پیامدهای قابل اندازه‌گیری می‌داند. آنچه از گزارش ارائه‌شده روشن نیست، روش‌شناسی پشت رقم ۷۲٪، مبنای بنچمارک جایگاه‌یابی عامل GPT-6.1 Terra، و دامنه واقعی فاین‌تیون و شرایط دسترسی Maestro است.